NSFW LLM 整合指南

為什麼為您的應用程式選擇 NSFW LLM

直接整合消除了複雜的模型路由或多個供應商金鑰的需求。單一無審查模型可處理標準與成人提示，無任意拒絕。此方法大幅簡化了您的架構。您無需管理來自不同供應商的多个 API 金鑰。

開發者通常難以應對標準模型中不一致的內容過濾。NSFW LLM API 為角色扮演和創意寫作提供可預測的行為。該模型經過調校，可在不屏蔽合法成人內容的情況下進行回答。這種可靠性對於依賴一致響應的應用程式至關重要。

• 單一模型降低了複雜性。
• 無對成人主題的任意拒絕。
• 標準 OpenAI 相容端點。

了解 OpenAI 相容端點

我們的 API 採用標準 /v1/chat/completions 端點，確保與現有工具的相容性。您可以使用官方的 OpenAI SDK 或任何 OpenAI 相容的客戶端函式庫。只需更改 base URL 並提供您的 API 金鑰即可。這種相容性意味著您可以以最小的變更遷移現有程式碼。

此端點支援文字輸入、文字輸出的互動。它不提供嵌入向量、圖像生成或音訊處理。這種專注的設計讓 API 快速且具成本效益。您可以直接存取模型的功能，而無需額外的負擔。

以下是您結構化請求的方法：

Copycurl https://api.chatbotnsfw.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Run the user verification script on test account 77"}]
  }'

• 基礎 URL：HTTPS://api.chatbotnsfw.com/v1
• 方法：POST
• 端點：/chat/com completions

設定您的開發環境

安裝您偏好語言的 OpenAI SDK。SDK 會自動處理身份驗證和請求格式化。您只需設定基礎 URL 和 API 金鑰。此設定適用於 Python、Node.js 和其他流行語言。

確保您的環境變數設定正確。請安全儲存 API 金鑰以防止未授權使用。API 金鑰在註冊後立即產生。您可以透過開發者儀表板管理您的金鑰。

考慮使用虛擬環境以避免依賴衝突。這種做法能保持專案的整潔與易於管理，也便於與其他開發者分享程式碼。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.chatbotnsfw.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

配置 API 客戶端

設定您的客戶端指向我們的基礎 URL。在授權標頭中設定 API 金鑰。SDK 將處理剩餘的通訊。此設定確保您的請求被正確路由。

您可以調整如 temperature 和 top_p 等參數以控制回應的多樣性。這些設定允許您微調模型的行為。較高的 temperature 值會產生更具創意的輸出。較低的值則會產生更具確定性的回應。

使用簡單的提示詞測試您的設定。驗證您是否收到有效的回應。此步驟可確認您的設定正確無誤，然後再進行更複雜的互動。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.chatbotnsfw.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

發送您的第一個 NSFW 提示詞

使用系統訊息和使用者提示建構請求。系統訊息定義模型的行為。使用者提示包含您想要處理的實際內容。將此請求發送到 /v1/chat/completions 端點。

該模型將直接回應文本。您可以解析回應以提取生成的內容。此內容可以顯示給您的用戶或進一步處理。

請記住，該模型是無審查的。它會對成人主題做出回應而不會拒絕。這使其成為角色扮演和創意寫作應用的理想選擇。您無需擔心內容過濾器阻擋您的提示。

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

處理即時聊天的串流回應

透過將 stream 參數設為 true 來啟用串流。API 將逐 token 發送回應。這允許在聊天應用程式中獲得更流暢的使用者體驗。使用者可以看到文字隨著生成即時出現。

解析串流回應以提取每個 token。累積這些 token 以形成完整的回應。此方法可降低使用者的感知延遲，使互動感覺更自然且具回應性。

處理串流期間可能發生的任何錯誤。重試機制有助於從暫時性的網路問題中恢復。確保您的應用程式能妥善處理部分回應。

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

為成本效率最佳化 token 使用

監控您的 Token 使用情況以有效管理成本。API 對每 1M 輸入 Token 收取 $0.15，對每 1M 輸出 Token 收取 $0.50。保持提示詞簡潔以減少輸入 Token 的使用。截斷長對話歷史以保持在上下文視窗範圍內。

上下文視窗為 100,000 個 token。這允許進行廣泛的對話而不會遺失上下文。然而，較長的對話會消耗更多 token。請留意 token 計數，以避免意外費用。

使用 /v1/models 端點檢查模型詳細資訊。此端點提供關於模型能力的資訊。它有助於您了解可用的限制和功能。

進階參數：temperature 和 top_p

調整 temperature 參數以控制隨機性。temperature 0.7 是一個良好的起點。較高的值會增加創意，但可能會降低連貫性。較低的值會使輸出更具可預測性。

使用 top_p 參數來控制回應的多樣性。它將模型限制在最高的機率質量內。此技術有助於避免低機率且無意義的輸出。將其與 temperature 結合使用，以進行微調控制。

實驗這些參數以找到最佳平衡點。不同的應用程式可能需要不同的設定。角色扮演可能受益於較高的 temperature。事實性查詢可能需要較低的 temperature。

除錯常見的整合錯誤

常見錯誤包括無效的 API 金鑰和速率限制。請檢查 API 金鑰是否有拼寫錯誤並確保其處於活動狀態。速率限制設為每分鐘 300 次請求。超過此限制將導致 429 錯誤。

驗證您的請求主體是否小於 8 MB。大型有效載荷可能會導致逾時或錯誤。確保您的 JSON 格式正確且有效。無效的 JSON 將導致 400 錯誤。

檢查文件以獲取詳細的錯誤碼。API 會返回清晰的錯誤訊息，幫助您診斷問題。使用這些訊息來快速識別並解決問題。